不知道你有没有发现，我们所使用的APP，很多都比我们更懂自己：
打开新闻APP，会自动展现喜欢看的内容
打开音乐软件，推荐的都是我们想听的歌
打开淘宝，推送的都是想买的东西
这些都是推荐系统的功劳。随着计算能力的突破，大数据应用的普及，很多APP都做到了千人千面。这些APP在为我们提供个性化服务的同时，也获得了丰厚的商业回报。
毫不夸张地说：目前推荐系统是我们每个人获取信息的最重要的渠道之一，推荐系统是所有数据型产品的标配。哪个产品能打造一个好的推荐系统，那它就拥有核心竞争力！
那么如何全面系统地学习构建企业级推荐涉及到的核心知识点，了解这些知识点在其中所起的作用以及它们之间的内在联系呢，这就是《构建企业级推荐系统：算法、工程实现与案例解析》要解决的问题。
本书内容
全书包含27章及两个附录，一共35万字。很好地覆盖了推荐系统涉及到的产品、算法、工程、实践、案例等核心知识，下面是本书的章节划分与目录。
本书作者：刘强，09年毕业于中国科学技术大学数学系。有12年大数据与推荐系统实践经验，精通企业级推荐系统的构建。从零到一打造过千万级DAU视频APP的推荐系统，推荐系统产生的流量占全APP流量的30%。创建了“数据与智能”社区（包括同名的微信公众号、视频号、知乎、B站等自媒体平台号），聚焦于数据分析、大数据、推荐系统、机器学习、人工智能等领域的知识分享与传播。
本书特色：这本书从企业级角度讲解推荐系统，覆盖场景、算法、工程、产品、运营、案例分析等内容。覆盖了主流的推荐算法，包括内容推荐算法、协同过滤、矩阵分解、嵌入方法、深度学习等。每个算法都有核心原理讲解，并有实现细节介绍，所有算法都适用于企业级场景。
除了常规的核心推荐算法与效果评估介绍，难得的是这本书包含了大量有关推荐系统工程实践方面的知识点，包括AB测试、推荐Web服务、数据与特征工程、实时个性化推荐等。另外，本书还包括与推荐系统密不可分的产品、设计、运营相关的知识，这也是本书的特色之一。工程实现与产品运营方面的主题是目前市面上的书很少涉及到的，也是企业推荐系统中非常重要的内容。
